REGRESI LOGISTIK BINER

KONSEP DASAR REGRESI LOGISTIK BINER

Regresi adalah metode statistika yang digunakan untuk mengetahui pengaruh antara dua atau lebih variabel. Salah satu metode yang digunakan untuk menguji pengaruh ini adalah uji regresi.

Uji regresi adalah metode statistika yang digunakan untuk mengetahui pengaruh antara variabel dependen dan variabel independen. Variabel dependen adalah variabel yang ingin ditentukan pengaruhnya, sedangkan variabel independen adalah variabel yang digunakan sebagai pemodel. Uji regresi digunakan untuk mengetahui seberapa kuat pengaruh antara kedua variabel tersebut, serta untuk memprediksi nilai dari variabel dependen berdasarkan nilai dari variabel independen.

Regresi logistik biner adalah metode analisis statistik yang digunakan untuk mengevaluasi pengaruh antara variabel dependen biner dan satu atau lebih variabel independen. Variabel dependen biner adalah variabel yang hanya memiliki dua kemungkinan nilai, seperti “ya” atau “tidak”, “benar” atau “salah”, atau “sukses” atau “gagal”. Variabel independen, di sisi lain, adalah variabel yang digunakan untuk memprediksi nilai dari variabel dependen.

Regresi logistik biner menggunakan persamaan logistik untuk mengevaluasi pengaruh antara variabel independen dan variabel dependen. Persamaan logistik mengubah probabilitas menjadi bentuk yang dapat diinterpretasikan dengan mudah, yaitu sebagai nilai antara 0 dan 1. Nilai 1 menunjukkan bahwa peristiwa pasti akan terjadi, sedangkan nilai 0 menunjukkan bahwa peristiwa tidak akan pernah terjadi.

Regresi logistik biner memiliki beberapa keuntungan dibandingkan dengan metode regresi lainnya, seperti regresi linier. Keuntungan tersebut sebagai berikut :

  • Regresi logistik biner dapat digunakan untuk data yang memiliki distribusi yang tidak normal.
  • Regresi logistik biner dapat digunakan untuk data yang memiliki kategori yang tidak ordinal.
  • Regresi logistik biner dapat digunakan untuk mengevaluasi pengaruh antara variabel independen yang berinteraksi.

Regresi logistik biner juga memiliki beberapa keterbatasan, diantaranya sebagai berikut :

  • Asumsi dari regresi logistik biner adalah bahwa data tidak terkait secara linier.
  • Jika variabel independen memiliki korelasi yang tinggi, maka hasil regresi logistik biner mungkin tidak akurat.
  • Jika data tidak memenuhi asumsi dari regresi logistik biner, maka hasil analisis mungkin tidak akurat. Asumsi-asumsi yang harus terpenuhi dalam regresi logistik biner, diantaranya lolos uji Log Likelihood, lolos uji Omnibus dan lolos uji Hosmer and Lemeshow

BERIKUT CARA UJI REGRESI LOGISTIK BINER DI SPSS:

  • Siapkan tabulasi data di Excel, lalu input data atau masukan data ke SPSS pada Page Data View
  • Jangan lupa isikan juga pada Page Variable View. Pada Kolom Label di Variabel Dependen isikan kategorisasi data yang digunakan. Sebagai contoh 0 = Tidak dan 1 = Ya.
  • Selanjutnya lakukan analisis data, dengan cara pilih menu Analyze – Regression – Binary Logistic
  • Muncul kotak dialog, seperti ini
  • Masukan Variabel X (Independen) ke kolom Covariates dan variabel Y (Dependen) masukan ke kolom Dependent
  • Lalu pilih Options, Ceklis pada Hosmer-Lemeshow Goodness-Of-Fit, Iteration History dan CI for Exp (B), pilih Continue dan OK.
  • Keluar Hasil Output 1 SPSS untuk Uji Regresi Logistik Biner
  • Interpretasi Output 1 Regresi Logistik (Tabel Case Processing Summary):

Pada tabel output ini (Case Processing Summary) cuma menjelaskan jumlah data atau N yang digunakan yaitu sebanyak 100 data atau N = 100. Sedangkan untuk tabel output (Dependent Variable Encoding) menjelaskan kategorisasi data pada variabel dependen, yaitu 0 = Tidak dan 1 = Ya.

  • Hasil Output 2 Regresi Logistik
  • Interpretasi Output Regresi Logistik Block 0 : Beginning Block (Tabel Iteration History) :

Tabel ini menjelaskan apakah model yang digunakan sebelum variabel independen masuk ke dalam model sudah/belum memenuhi syarat uji dalam regresi logistik. Nilai -2 Log Likelihood yang diperoleh sebesar 128,207 lebih besar dari Chi Square Tabel yang digunakan yaitu 123,225 maka bisa disimpulkan bahwa model sebelum dimasukki variabel independen masih tidak memenuhi syarat uji. Cara mencari Chi Square tabel dalam Output Iteration History di Block 0 yaitu N-1 (100-1 = 99) artinya Chi Square Tabel yang diperoleh sebesar 123,225.

  • Berikut Lampiran Chi Square Tabel (α=5%) untuk Block 0 :
  • Hasil Output 3 dalam Regresi Logistik yaitu Block 1 : Method = Enter
  • Interpretasi Output Regresi Logistik Block 1 : Method = Enter (Tabel Iteration History) :

Tabel ini menjelaskan apakah model yang digunakan setelah variabel independen masuk ke dalam model sudah/belum memenuhi syarat uji dalam regresi logistik. Nilai -2 Log Likelihood yang diperoleh sebesar 102,603 kurang dari dari Chi Square Tabel yang digunakan yaitu 119,870 maka bisa disimpulkan bahwa model setelah dimasukki variabel independen sudah memenuhi syarat uji. Cara mencari Chi Square tabel dalam Output Iteration History di Block 1 yaitu N-K-1 (100-3-1 = 96) artinya Chi Square Tabel yang diperoleh sebesar 119,870.

 

  • Interpretasi Output Regresi Logistik (Tabel Omnibus Tests of Model Coeefficients) :

Nilai Sig. yang di peroleh sebesar 0,000 (<0,05) maka berkesimpulan variabel independen berpengaruh secara simultan atau bersama-sama terhadap variabel dependen. Dengan hasil tersebut, Omnibus Test telah terpenuhi.

  • Interpretasi Output Regresi Logistik (Tabel Model Summary) :

Nilai Nagelkerke R Square sebesar 0,313 maka bisa diartikan bahwa sumbangan pengaruh variabel independen terhadap variabel dependen secara simultan atau bersama-sama sebesar 31,3%

  • Interpretasi Output Regresi Logistik (Tabel Hosmer and Lemeshow Test) :

Nilai Sig. yang di peroleh sebesar 0,884 (>0,05) maka berkesimpulan tidak ada perbedaan secara signifikan antar variabel. Dengan hasil tersebut, Hosmer Lemeshow Test telah terpenuhi.

  • Berikut Lampiran Chi Square Tabel (α=5%) untuk Block 1 :
  • Hasil Output 4 dalam Regresi Logistik yaitu Uji Hipotesis (Tabel Variable in the Equation)
  • Kriteria Pengujian Uji Hipotesis dalam Regresi Logistik Biner (Tabel Variable in the Equation) :
  • Nilai Sig. > 0,05 berkesimpulan Tidak Ada Pengaruh Secara Parsial
  • Nilai Sig. < 0,05 berkesimpulan Ada Pengaruh Secara Parsial
  • Interpretasi Output Uji Hipotesis dalam Regresi Logistik Biner (Tabel Variable in the Equation) :
  • Variabel X1 memiliki nilai sig. (Garis Merah) sebesar 0,000 (<0,05) berkesimpulan variabel X1 berpengaruh signifikan terhadap variabel Y dengan nilai Odd Ratio atau Exp.(B) sebesar 0,929 (Garis Ungu)
  • Variabel X2 memiliki nilai sig. (Garis Merah) sebesar 0,001 (<0,05) berkesimpulan variabel X2 berpengaruh signifikan terhadap variabel Y dengan nilai Odd Ratio atau Exp.(B) sebesar 11,878 (Garis Ungu)
  • Variabel X3 memiliki nilai sig. (Garis Merah) sebesar 0,013 (<0,05) berkesimpulan variabel X3 berpengaruh signifikan terhadap variabel Y dengan nilai Odd Ratio atau Exp.(B) sebesar 1,026 (Garis Ungu)
  • Persamaan Regresi yang di peroleh :

-2,109 – 0,074X1 + 2,475X2 + 0,026X3

  • Analisis Persamaan Regresi :
  • Nilai Koefisien Regresi (Garis Ungu) Variabel X1 bernilai negatif sebesar -0,074 artinya jika X1 meningkat maka Variabel Y akan menurun, begitu juga sebaliknya.
  • Nilai Koefisien Regresi (Garis Ungu) Variabel X2 bernilai positif sebesar 2,475 artinya jika X4 meningkat maka Variabel Y juga ikut meningkat, begitu juga sebaliknya. Variabel X2 merupakan variabel yang paling berpengaruh terhadap variabel Y dikarenakan memiliki nilai Odd Ratio atau Exp.(B) paling tinggi yaitu sebesar 11,878
  • Nilai Koefisien Regresi (Garis Ungu) Variabel X3 bernilai positif sebesar 0,026 artinya jika X3 meningkat maka Variabel Y juga ikut meningkat, begitu juga sebaliknya.

LINK VIDEO TUTORIAL AS28 GROUP

ANALISIS REGRESI LOGISTIK BINER DENGAN SPSS

ANALISIS UNIVARIAT, BIVARIAT DAN MULTIVARIAT DENGAN SPSS :

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *